Question

我有一个尺寸为（X，Y，N）的掩码的3维数组，每个值均为1或0。我们想在值为1的最后一个维度中收集索引。

X, Y, N = 10, 10, 10
# Each point in ar is 1 or 0
ar = tf.random.uniform((X, Y, N), maxval=2, seed=1, name=None, dtype=tf.int32)
# We now want to collect 4 point indices along last dimension if the corresponding value is 1

当对应值为1时，我想沿第3维采样n（= 4）个索引。如何在tensorflow中做到这一点？我函数的输出应为（X，Y，4）形状

if output[x, y] = [n1, n2, n3, n4] then
ar[x,y, n1] = 1
ar[x,y, n2] = 1
ar[x,y, n3] = 1
ar[x,y, n4] = 1
...
...
...

Answer 1

我发现您可能正在寻找tf.multinomial。当值是1时，概率就是相等的；值是tf.log(0.0)时，概率就是0。

import tensorflow as tf

samples = tf.multinomial(tf.log([[1., 1., 0.0]]), 4)

with tf.Session() as sess:
    print(sess.run(samples))

#print
[[0 1 1 1]]

而且您还需要使用tf.map_fn来包装tf.multinomial，因为tf.multinomial的对数概率需要二维张量。

import tensorflow as tf

X, Y, N = 10, 10, 10
ar = tf.random.uniform((X, Y, N), maxval=2, seed=1, name=None, dtype=tf.int32)

samples = tf.map_fn(lambda x:tf.multinomial(tf.log(x), 4,output_dtype=tf.int32)
                    ,tf.cast(ar,tf.float32)
                    ,dtype=tf.int32)

with tf.Session() as sess:
    val1,val2 = sess.run([ar,samples])
    print('ar[0]: \n',val1[0])
    print('samples[0]: \n',val2[0])

ar[0]: 
 [[1 1 1 0 1 0 0 1 1 0]
 [0 1 1 0 0 1 1 1 1 0]
 [0 1 0 1 1 1 1 1 0 1]
 [0 1 0 0 1 0 0 1 1 0]
 [0 0 0 1 0 0 0 1 1 0]
 [1 1 0 0 1 0 1 1 0 1]
 [0 0 1 1 1 0 0 1 1 1]
 [1 1 1 1 1 1 0 0 1 1]
 [1 1 1 1 1 0 0 1 1 0]
 [0 1 1 1 0 1 1 1 1 0]]
samples[0]: 
 [[0 1 0 4]
 [6 7 5 2]
 [4 4 4 7]
 [1 8 7 4]
 [8 7 7 3]
 [7 7 6 0]
 [7 4 3 9]
 [1 5 0 3]
 [4 1 1 7]
 [7 7 1 6]]

请注意，tf.multinomial将在新版本中删除。更新说明：改用tf.random.categorical。

在张量流中选择沿轴的随机点数

1 个答案: